深度学习与计算机视觉

深度学习与计算机视觉

作者:叶韵 编著

出版社:机械工业

出版年:2017年7月

ISBN:9787111573678

所属分类:诗歌文集

书刊介绍

《深度学习与计算机视觉》内容简介

全书共13章,分为2篇。第1篇基础知识,介绍了人工智能发展里程、计算机视觉概要、深度学习和计算机视觉中的基础数学知识、神经网络及其相关的机器学习基础、卷积神经网络及其一些常见结构,最后对最前沿的趋势进行了简单探讨。第2篇实例精讲,介绍了Python基础、OpneCV基础、最简单的分类神经网络、图像识别、利用Caffe做回归、迁移学习和模型微调、目标检测、度量学习和图像风格迁移等常见的计算机视觉应用场景。从第5章开始包含了很多有趣和实用的代码示例。从第7章开始的所有实例都基于当前最流行的深度学习框架中的Caffe和MXNet,其中包含了作者原创的大量代码和搜集的数据,这些代码和作者训练好的部分模型已分享到本书github页面上供读者自行下载。
代码库地址: https://github.com/frombeijingwithlove/dlcv_for_beginners 叶韵博士,现在京东从事深度学习和计算机视觉算法研发。加入京东之前,曾在ProPlus Design Solutions硅谷和北京研发中心任职研发经理,负责统计建模算法研发,后加入SiemensCorporate Technology担任Research Scientist,专注计算影像和计算机视觉的研究。叶博士于2007年7月获得北京大学微电子学士学位,2011年4月获得Arizona State University的Electrical Engineering博士学位。

作品目录

序言
前言
第1篇
基础知识
第1章:引言
1.1、人工智能的新焦点——深度学习
1.2、给计算机一双眼睛——计算机视觉
1.3、基于深度学习的计算机视觉
第2章:深度学习和计算机视觉中的基础数学知识
2.1、线性变换和非线性变换
2.2、概率论及相关基础知识
2.3、维度的诅咒
2.4、卷积
2.5、数学优化基础
第3章:神经网络和机器学习基础
3.1、感知机
3.2、神经网络基础
3.3、后向传播算法
3.4、随机梯度下降和批量梯度下降
3.5、数据、训练策略和规范化
3.6、监督学习、非监督学习、半监督学习和强化学习
第4章:深度卷积神经网络
4.1、卷积神经网络
4.2、LeNet——第一个卷积神经网络
4.3、新起点——AlexNet
4.4、更深的网络——GoogLeNet
4.5、更深的网络——ResNet
第2篇
实例精讲
第5章:Python基础
5.1、Python简介
5.2、Python基本语法
5.3、Python的科学计算包——NumPy
5.4、Python的可视化包——matplotlib
第6章:OpenCV基础
6.1、OpenCV简介
6.2、Python-OpenCV基础
6.3、用OpenCV实现数据增加小工具
6.4、用OpenCV实现物体标注小工具
第7章:Hello
World!
7.1、用MXNet实现一个神经网络
7.2、用Caffe实现一个神经网络
第8章:最简单的图片分类——手写数字识别
8.1、准备数据——MNIST
8.2、基于Caffe的实现
8.3、基于MXNet的实现
第9章:利用Caffe做回归
9.1、回归的原理
9.2、预测随机噪声的频率
第10章:迁移学习和模型微调
10.1、吃货必备——通过Python采集美食图片
10.2、美食分类模型
第11章:目标检测
11.1、目标检测算法简介
11.2、基于PASCAL
VOC数据集训练SSD模型
第12章:度量学习
12.1、距离和度量学习
12.2、用MNIST训练Siamese网络
第13章:图像风格迁移
13.1、风格迁移算法简介
13.2、MXNet中的图像风格迁移例子

相关推荐

微信二维码